metadata

license: mit
tags:
  - generated_from_trainer
metrics:
  - precision
  - recall
  - f1
  - accuracy
model-index:
  - name: req_mod_ner_modelv2
    results: []
widget:
  - text: >-
      De Oplossing ondersteunt het zoeken op de metadata van zaken, documenten
      en objecten en op gegevens uit de basisregistraties die gekoppeld zijn aan
      een zaak.
  - text: >-
      De Oplossing ondersteunt parafering en het plaatsen van een
      gecertificeerde elektronische handtekening.
  - text: >-
      De Aangeboden oplossing stelt de medewerker in staat een zaak te
      registreren.
  - text: >-
      Het Financieel systeem heeft functionaliteit om een
      debiteurenadministratie te voeren.
  - text: >-
      Als gebruiker wil ik dat de oplossing mij naar zaken laat zoeken op basis
      van zaaknummer, zaaktitel, omschrijving en datum.

req_mod_ner_modelv2

This model is a fine-tuned version of pdelobelle/robbert-v2-dutch-ner on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.6678
Precision: 0.7090
Recall: 0.7701
F1: 0.7383
Accuracy: 0.9261

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0001
train_batch_size: 1
eval_batch_size: 1
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 16

Evaluation results

Validation Loss	Precision	Recall	F1	Accuracy
0.6678	0.7090	0.7701	0.7383	0.9261

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
No log	1.0	240	0.4780	0.3456	0.4052	0.3730	0.8789
No log	2.0	480	0.3903	0.5934	0.4655	0.5217	0.9080
0.4168	3.0	720	0.5082	0.6782	0.5086	0.5813	0.9169
0.4168	4.0	960	0.4307	0.5846	0.6552	0.6179	0.9201
0.1633	5.0	1200	0.5179	0.6	0.5948	0.5974	0.9233
0.1633	6.0	1440	0.6073	0.5752	0.5603	0.5677	0.9185
0.0676	7.0	1680	0.6198	0.6638	0.6638	0.6638	0.9233
0.0676	8.0	1920	0.6876	0.6311	0.6638	0.6471	0.9185
0.0445	9.0	2160	0.7112	0.6522	0.6466	0.6494	0.9201
0.0445	10.0	2400	0.7232	0.6522	0.6466	0.6494	0.9193
0.0259	11.0	2640	0.6511	0.6371	0.6810	0.6583	0.9233
0.0259	12.0	2880	0.6733	0.6783	0.6724	0.6753	0.9257
0.0146	13.0	3120	0.6636	0.6695	0.6810	0.6752	0.9282
0.0146	14.0	3360	0.6943	0.6496	0.6552	0.6524	0.9257
0.0134	15.0	3600	0.7055	0.6552	0.6552	0.6552	0.9257
0.0134	16.0	3840	0.7115	0.6522	0.6466	0.6494	0.9249

Framework versions

Transformers 4.24.0
Pytorch 2.0.0
Datasets 2.9.0
Tokenizers 0.11.0